企業市場營銷策略組合的ＢＰ神經網絡研究

摘要：營銷策略的選取和合理的組合在提高顧客對企業的忠誠度方面具有至關重要的作用。文章通過對不同的市場營銷策略因素進行量化和賦予權重，采用神經網絡的BP算法，模擬出不同營銷策略組合情況下企業顧客忠誠度的量化值，通過與實際值比較得出神經網絡具有良好模擬效果。

關鍵詞：營銷策略組合；BP神經網絡；顧客忠誠度；手機市場

一、引言

市場環境的復雜性和易變性使企業傳統的營銷策略難以取得理想的效果，如何轉變營銷思維，創造有效的營銷手段，建立合理的營銷策略組合，提高企業的顧客忠誠度，是企業生存和發展面臨的重大課題。市場營銷策略組合的核心是要了解企業組合的方式對自己和對競爭對手的影響。市場營銷策略組合的目的是要提高企業的核心競爭力，擴大市場銷售，提高顧客忠誠度。通過不同的市場影響因素組合模式來模擬出顧客忠誠度的變化情況，可以為營銷組合的決策提供輔助依據，運用神經網絡有關理論知識模擬市場營銷組合策略具有良好的效果。

二、企業市場營銷策略組合的BP神經網絡模型的建立

1．BP神經網絡原理。基于誤差反傳算法(Back－Propagation即BP算法)的多層前饋神經網絡模型，是一個簡單而又有效的網絡，由輸入層、輸出層和至少一個隱含層組成。各層包括一個或多個神經元，相鄰兩層神經元之間通過可調權值相連接，且各神經元之間沒有反饋。信息由輸入層依次向各隱含層傳遞，直至輸出層。隱含層和輸出層每個神經元的輸入量為上一層神經元輸出的加權和。在理論研究和實際應用中，人們最常用的是具有線性輸出的單隱層網絡，因為隱層層數越多，誤差反向傳播的計算過程就越復雜，使訓練時間增加，單隱層神經網絡可以逼近任何連續函數，故本文選擇單隱層神經網絡模型如(圖1)所示。

關于隱層節點數的選取，一般是根據具體問題憑經驗和多次試驗來決定，隱層的選取往往是網絡成敗的關鍵。如果隱層節點數的選用太少，則網絡難以處理復雜的問題，建模不夠充分。但是如果隱含層節點選用太多，將會增加訓練網絡的時間，訓練過渡，預測能力降低。

BP神經網絡算法采用的是有監督學習算法，這種方式要求在給定輸入模式X的同時，在輸出側還要給出與之相應的目標模式T，又稱期望輸出模式或導師信號。兩者一起成為一個訓練對，訓練時，使用輸入模式計算出實際輸出模式Y，再與期望輸出模式T相比，求出誤差，如果誤差不符合要求，再按照某種算法調整各層的權矩陣，以使誤差朝著符合要求的方向變化。

根據營銷策略組合影響因素，考察10種手機品牌的顧客忠誠度，采用簡單的多因素評分法和德爾菲法對每一種產品的市場影響因素進行打分(范圍1分～10分)。由于這是同一性質不同品牌的手機品牌，所以具有較好的可比性。

表1中的數據為實際調查而來。由此我們建立手機市場的神經網絡模型，采用三層前饋網絡，輸入層包括5個神經元，1個中間隱含層，包括10個神經元，輸出層包括1個神經元(顧客忠誠度)。

三、市場營銷組合的神經網絡訓練

1．激勵函數的選擇。激勵函數f^①用于對各層神經元的求和結果進行函數運算，得到各神經元的輸出，這是神

客忠誠度的影響比較大，說明顧客在服務、質量和拓寬渠道這三者的選擇上更注重質量。在激烈的市場競爭環境下，手機企業應采取提高質量、樹立企業品牌形象等措施來提高企業的競爭力。策略的選擇要符合靈活性和彈性的原則，要配合外界和競爭環境來調整。條件發生變化時，可以根據這個模型，通過分析，來提出市場營銷組合的策略選擇。

五、結論

通過手機市場營銷策略組合的人工神經網絡模擬，建立了手機市場營銷策略組合，具有良好的模擬程度，這種方法可以廣泛的應用于各類企業市場營銷策略組合當中。